数据结构图在python中的应用

程序世界里，有很多的数据结构，比如：堆、栈、链表等等，今天要讲的就是图数据结构啦。

相信大家都使用过或者听说过图数据库吧，我们就来看看最简单的图数据结构算法。

首先先来看一下图长什么样

从上图能看出，比如节点A可以到达C、D、B，节点B只能到达E。

ok，这就是最基本的了，接下来来了解下游戏规则，我们需要列出所有可能的路径，比如：列出A到E的所有路径。

而在代码里，我们可能需要首先通过 字典+列表 的方式给出路径的设计，比如：

Graph = {'A': ['B', 'C', 'D'],

          'B': ['E'],

          'C': ['D', 'F'],

          'D': ['B', 'E', 'G'],

          'E': [],

          'F': ['D', 'G'],

          'G': ['E']}

在接下来，我们需要告诉程序，我们需要从哪里开始，走到哪里去，也就是常说的起始点和终点。

search_graph(Graph, 'A', 'E')

让我们来看下完整的代码吧：def search_graph(graph: dict, start, end):

 _ret = []

 generate_path(graph, [start], end, _ret)

 # 这一步的排序可有可无，只不过为了显示好看

 _ret.sort(key=lambda x: len(x))

 return _ret

def generate_path(graph: dict, path, end, ret: list):

 _state = path[-1]

 # 如果起始点和终点是同一个位置，则结束

 if _state == end:

     ret.append(path)

 else:

     for _item in graph[_state]:

         if _item not in path:

             # path + [_item] 就是递归调用的关键参数，path的组成

             generate_path(graph, path + [_item], end, ret)

if __name__ == '__main__':

 _GRAPH = {'A': ['B', 'C', 'D'],

          'B': ['E'],

          'C': ['D', 'F'],

          'D': ['B', 'E', 'G'],

          'E': [],

          'F': ['D', 'G'],

          'G': ['E']}

 _ret = search_graph(_GRAPH, 'A', 'E')

 print("******************")

 print(' path A to E')

 print("******************")

 for i in _ret:

     print(i)

结果如下图：

主要的逻辑，大家可以拿张纸出来画画。

好啦，今天的内容就到这了，感兴趣的你，可以试试能不能走出来～

所有的代码都已上传至我的github：https://github.com/MiracleYoung/exercises